基于机器视觉的岩块自动化识别检测方法

在隧道施工过程中,岩体参数的获取是实现隧道掘进机参数调整和智能决策的前提,因此,要对掘进过程中获得的岩块进行采样和检测,而岩块识别和检测目前主要由人工完成。本文针对岩块的自动化识别和检测问题,提出了一种基于机器视觉的岩块自动化识别检测方法,通过融合岩块区域检测和语义分割算法能够快速准确获取岩块的形心坐标和过形心最小直径。首先,使用YOLOv3网络对岩块进行识别,实现岩块的区域检测。其次,针对每个区域的岩块采用FCN-DenseNet网络进行语义分割和图像处理,并对全卷积神经网络进行改进,减少了语义分割模型的参数量,提高了语义分割效率,提升了岩块轮廓获取的精度和速度。最后,根据获得的岩块轮廓点,计算其形心坐标及过形心的最小直径,为机械臂抓取和岩块点荷载强度的计算提供支持。搭建实验平台,完成机械臂手眼标定和深度相机坐标下岩块图像与岩块点云对齐,获取岩块形心坐标在机械臂坐标下的位置。实验结果表明,本文所提算法能够快速准确地获取岩块的形位参数,对10次实验中的102块岩块识别检测成功率为91.18%,在所有完成识别检测岩块中的吸取成功率为92.47%,可以应用于岩体的自动化检测,提高岩体检测的效率和智能化水平。

基于全卷积神经网络的焊缝识别方法

在机器人自动化焊接中,精准高效的焊缝识别是实现高质量焊接的关键。针对现有视觉检测方法效率低、精度差的问题,提出了一种基于全卷积神经网络的焊缝识别方法。该方法首先采集数据对全卷积神经网络进行训练,得到最佳的网络参数;然后采用训练好的全卷积神经网络和最佳网络参数对焊缝图片进行语义分割,将焊缝所在区域与背景进行分离;然后对分割出的焊缝区域,进行骨架提取,得到接近单像素宽度的焊缝;之后根据自定义的直线度参数对焊缝形状进行判定,确定该焊缝是否为直线,用最小二乘法进行直线或曲线拟合,得到最终的焊缝轨迹。实验结果表明,所提方法能够快速准确地识别出焊缝位置和形状,可以作为自动焊接机器人轨迹自主规划和控制的技术基础。

面向立体视觉结构光三维重建系统的点云误差补偿方法

为了提高立体视觉结构光三维重建系统的精度,提出了一种面向立体视觉结构光三维重建系统的点云误差补偿方法,该方法分为误差标定、误差建模和误差补偿三部分。首先,提出一种新的误差标定方法,将立体视觉结构光系统的测量空间划分为离散的特征点并标定了整个空间内特征点的误差;然后,提出了基于神经网络的误差建模方法,建立起该空间的误差模型;最后,提出了适用于立体视觉结构光系统的点云误差补偿方法,将建立的误差模型用于误差补偿。实验表明文章提出的误差补偿方法平均减少了51.96%的直径误差和14.16%的球心距误差,精度提升效果明显。从而,验证了该算法的有效性和可行性。